研究团队提出移动智能体故障恢复基准

Gyubeum Lim、Yemo Koo、Ghunwoo Jang 和 Zsolt Kira 提出 AndroidFlux，用于评估移动端多模态智能体从执行中间错误中恢复的能力；评测发现，恢复表现与从干净状态开始的任务成功率仅部分相关。基准基于 AndroidWorld，在首次可恢复错误前、错误发生时及错误后设置检查点，并依据后续执行结果评估恢复动作偏好；团队还发布了离线强化学习数据集。研究还发现，显式推理只对经过 GUI 领域专用强化学习训练的模型有帮助。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。